@Article{ArantesFoSilNasGuiRos:2020:ClInEv,
               author = "Arantes Filho, Lu{\'{\i}}s Ricardo and Silva, {\'E}merson Jean 
                         da and Nascimento, Francisca Joamila Brito do and Guimar{\~a}es, 
                         Lamartine Nogueira Frutuoso and Rosa, Reinaldo Roberto",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto de Estudos 
                         Avan{\c{c}}ados (IAE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Classifica{\c{c}}{\~a}o inteligente de eventos extremos 
                         utilizando redes neurais e HOG em imagens de sat{\'e}lite",
              journal = "Proceedings Series of the Brazilian Society of Computational and 
                         Applied Mathematics",
                 year = "2020",
               volume = "7",
               number = "1",
                pages = "e10362",
                 note = "Trabalho apresentado no XXXIX CNMAC, Uberl{\^a}ndia - MG, 2019.",
             keywords = "Eventos extremos, imagens de sat{\'e}lite, redes neurais 
                         artificiais, Histograma de Gradientes Orientados.",
             abstract = "Este trabalho apresenta uma proposta de an{\'a}lise de eventos 
                         extremos em imagens de sat{\'e}lite, especificamente a 
                         caracteriza{\c{c}}{\~a}o de eventos clim{\'a}ticos como chuvas 
                         torrenciais, tempestades, furac{\~o}ees e tornados. A 
                         classifica{\c{c}}{\~a}o de eventos clim{\'a}ticos {\'e} de 
                         certa forma, algo de grande import{\^a}ncia para todas as 
                         categorias sociais e governamentais, isto se d{\'a} devido aos 
                         efeitos de eventos extremos em diversos setores da economia, da 
                         agricultura, da sa{\'u}de publica e setores sociais. Desta forma 
                         apresentamos um modelo baseado em redes neurais artificiais para 
                         aprendizagem dos padr{\~o}es do Histograma de Gradientes 
                         Orientados em imagens de sat{\'e}lite buscando identificar a 
                         ocorr{\^e}ncia ou n{\~a}o de eventos extremos.",
                  doi = "10.5540/03.2020.007.01.0362",
                  url = "http://dx.doi.org/10.5540/03.2020.007.01.0362",
                 issn = "2359-0793",
             language = "pt",
           targetfile = "arantes_classificacao.pdf",
        urlaccessdate = "12 maio 2024"
}